1-07建立DTM的原理和方法
dtm主题模型总结
dtm主题模型总结1. 基本概念DTM（Dynamic Topic Model）是一种主题模型，用于捕捉主题随时间的变化。
它假设文档集合中的主题分布随时间变化，而不仅仅是文档集合本身。
DTM的主要目标是揭示和预测主题的动态变化。
2. 原理和算法DTM的原理基于潜在狄利克雷分布（LDA）。
在LDA中，文档被认为是由多个主题的混合物生成，而主题又是由词的多项分布生成。
在DTM中，这些主题的分布被认为是随时间变化的。
DTM使用一个连续的时间滑动窗口来更新主题分布。
具体算法包括以下步骤：●初始化：为每个时间点指定一定数量的主题和潜在词项的多项分布。
●迭代：对于每个时间点，重新估计每个文档的主题分布和每个主题的词分布。
这一步通常使用EM算法或变分贝叶斯方法进行优化。
●更新：随着时间的推移，根据最新的文档集合更新主题分布。
3. 优势和局限性优势：●能够捕捉主题随时间的动态变化。
●对于时间序列数据，能够提供更准确的主题建模。
●可以用于大规模数据集，具有较好的扩展性。
局限性：●对时间窗口的选择敏感，需要合适的窗口大小来捕捉主题变化。
●在某些情况下，可能难以识别主题的真正变化，特别是当数据频繁变化时。
●对于非平稳数据，可能需要更复杂的模型。
4. 应用场景DTM广泛应用于需要理解主题随时间变化的场景，例如：●社交媒体分析：研究流行话题或趋势的兴起和衰落。
●新闻分析：理解新闻报道的主题如何随时间变化。
●学术研究：追踪学术领域的研究趋势和主题演化。
●市场营销：了解消费者兴趣和需求的演变。
5. 未来研究方向未来的研究可能集中在以下几个方面：●开发更先进的算法和优化技术，以提高DTM的性能和效率。
●结合其他机器学习技术和方法，如深度学习，以增强DTM的主题建模能力。
●研究DTM与其他动态模型（如NMF、Kalman滤波器等）的结合使用，以更好地处理复杂的数据变化模式。
●探索DTM在更多领域的应用，如生物信息学、环境科学等。
DTM功能技术简介
DTM功能技术简介【手机的DTM能力】DTM (Dual Transfer Mode，双重传输模式) 是GSM/GPRS/EDGE向UMTS演进的一个关键技术，当前2.5G网络用户在进行数据业务的时候不能接听话音业务，同时进行话音业务的时候也不能做数据业务，为了解决这种矛盾，爱立信在R11后增加了DTM功能，同时DTM也为2.5G网络与3G网络平滑过渡提供了不可缺少的技术支持。
DTM能力包括DTM GPRS多时隙等级与DTM EGPRS多时隙等级，等等。
DTM的多时隙等级决定了手机处于DTM模式下时的可能的信道配置情况。
如下图所示。
DTM手机会将支持的DTM能力上报给网络，这些信息包含在信令“ClassMark Change”中，当发生BSC间切换时，MSC也会将手机的DTM能力包含在“Handover Request”中。
在07B版本中，支持DTM多时隙等级5和9，11，其他DTM多时隙等级将映射到这三种CLASS上。
本次试验中使用的N95手机支持DTM CLASS11，该类型的手机能根据数据流的主方向，分配上下行的PDCH时隙。
【BSS节点的DTM支持】●新增的DTM信令48.008 COMMON ID44.018 DTM REQUEST44.018 DTM INFORMA TION44.018 DTM ASSIGNMENT COMMAND44.018 DTM ASSIGNMENT FAILURE44.018 DTM REJECT44.018 GPRS INFORMA TION44.018 PACKET ASSIGNMENT44.018 PACKET NOTIFICA TIONCommon ID信令（MSS BSS）提供手机的IMSI信息；DTM REQUEST 当手机在dedicated mode，请求PS业务的消息DTM Information提供当前小区（支持DTM）的DTM相关信息；PACKET ASSIGNMENT 当只需要分配PS资源的时候回此消息DTM ASSIGNMENT COMMAND 当需要重新分配CS与PS的用此消息GPRS information提供GPRS Transparent Transport Procedure消息；Packet Notification提供在FACCH上发送PS paging；其他信令提供DTM接入过程的信道分配／拒绝／失败。
DTM的原理与应用
DTM的原理与应用DTM（Dynamic Time Warping）是一种用于度量两个时间序列之间相似性的方法。
它最初被使用于语音识别领域，现已被广泛应用于许多其他领域，如运动识别、生物信息学、音乐分析等。
本文将介绍DTM的原理和应用。
一、原理1.创建一个距离矩阵，用于存储两个时间序列之间的距离信息。
初始化矩阵的每个元素为无穷大。
2.遍历距离矩阵的每一个元素，计算相应位置的距离。
3.根据动态规划算法的原则，从距离矩阵的左上角出发，通过选择距离最小的路径，逐步填充距离矩阵的每个元素。
4.根据填充完成的距离矩阵，可以得出两个时间序列之间的最小距离。
5.最后，可以通过归一化最小距离，计算两个时间序列的相似度。
二、应用DTM在许多领域都有广泛的应用。
以下是几个典型的应用领域：1.语音识别最初，DTM被广泛用于语音识别领域。
由于人们的发音存在轻微的差异，因此录制的语音序列与训练数据之间的对齐可能存在一些误差。
DTM可以用来度量两个语音序列之间的相似度，从而提高语音识别的准确性。
2.运动识别在运动识别中，DTM可以用于度量不同动作之间的相似性。
通过计算两个动作序列之间的距离，可以检测并分类运动。
例如，在体育竞技中，可以使用DTM来识别不同的运动动作，如击球、投球等。
3.生物信息学DTM在生物信息学中也有重要的应用。
例如，可以使用DTM来比较两个DNA序列之间的相似性，从而研究物种的进化关系。
另外，DTM还可以用于比对蛋白质序列，以发现共有的结构和功能。
4.音乐分析在音乐分析中，DTM可以用于分析和比对音乐序列。
通过计算两个音乐序列之间的距离，可以实现音乐的自动分类、推荐和相似性。
这对于音乐服务提供商和音乐研究人员来说具有重要意义。
5.人体行为分析DTM还可以用于人体行为分析。
通过计算两个人体动作序列之间的距离，可以检测和识别不同的行为，如站立、走路、跑步等。
这在智能监控、人机交互和虚拟现实等领域具有广泛的应用前景。
DTM的原理与应用
DTM数据采集的原则
与选点密度相关的就是选点的问题。地形 特征点在表达地形特征的意义上是不完全 相同的，一个点对构成地貌形态贡献的大 小，表现在它的不可被置换的程度上：一 个点的高程值若能为周围点精确的派生， 该点就失去存在的价值，可以不采；一个 点的高程值与其周围求得曲面拟合值不一 致，其差值越大，对构造地貌形态得贡献 越大，必须采集。
庞大的工作量和紧张的劳动强度使得原始
数据采集的劳务费占建立DTM费用的绝大 部分。 在建立DTM的各道工序中，唯有数据采集 的工效和精度与选数据源类型以及作业部 门是否配置专用仪器有关。 DTM的精度在很多程度上取决于原始数据 点集的密度和分布方式。
DEM的数据获取
DEM数据的获取主要有三种方法：
DTM的原理与应用
概念
数字地面模型(Digital Terrain Model,缩写 为DTM) 是对地形起伏形态的数字表达，代 表着地形特征的空间分布，它由对地形表 面取样所得到的，并按一定结构组织在一 起的一组点的平面位置和高程数据以及一 套对地面进行连续表示的算法所组成。由 于地形起伏形态通常是用高程来表示的， 所以DTM也常称为数字高程模型（DEM)。
Delaunay三角网
性质
每个Delaunay三角形的外接圆 内不包含其他离散点，而且 三角形的最小内角达到最大值。
Delaunay三角形构建的步骤 (1)定义一个包含所有数据点的初始多边形；
(2)在初始多边形中建立初始三角网，然后 迭代以下步骤，直至所有数据点被处理；
(3)插入一个数据点P，在三角网中找出包含P点的 三角形，把P点与三角形的三个顶点相连，生成新 的三角形；始数据的坐标作为格网的结点，组成 不规则形状格网。实际应用中主要采用不 规则三角网（Triangle Irregulation Network ,TIN) 不规则格网的特点： 优点 利用原始数据作为格网结点；
DTM的基本原理
DTM的基本原理DTM（DTW理论）是一种用于序列识别和时间序列匹配的方法，它的基本原理是利用动态时间规整（DTW）算法，通过计算两个时间序列之间的距离，从而找到它们的相似度。
DTW算法是一种计算两个时间序列之间最优匹配的方法，它考虑到了时间序列中的时间顺序和不同时间点的相对变化情况。
与传统的欧氏距离或曼哈顿距离不同，DTW算法可以比较不等长的时间序列，并且能够在时间上进行弯曲以找到最优匹配。
DTW算法的基本步骤如下：1.创建一个二维矩阵，其中的行代表第一个时间序列的元素，列代表第二个时间序列的元素。
2.初始化矩阵的第一行和第一列为正无穷大，表示开始匹配的位置。
3.根据计算规则，填充矩阵中的其他元素。
计算规则可以是欧氏距离、曼哈顿距离等，用于衡量两个时间序列元素之间的差异大小，得到最优匹配的路径。
4.从矩阵的右下角开始，沿着最优路径向左上角回溯，得到最优匹配的时间点对应关系。
DTW算法的计算规则可以有多种选择，其选择依赖于应用场景的不同。
为了增强DTW算法对于不同时间点之间的差异性的敏感度，可以在计算规则中引入权重系数。
比如，在计算两个时间序列元素之间的差异大小时，可以增加对于时间差异较大的元素的惩罚，以增加对时间顺序的敏感性。
DTM是基于DTW算法的基础上发展而来的一种模型，它的主要目的是用于序列识别和时间序列匹配的任务。
DTM模型通过学习和训练数据集中的时间序列之间的相似性，可以对新的时间序列进行识别和匹配。
DTM模型的基本原理包括以下几个步骤：1.数据准备：将时间序列的数据进行标准化和预处理，包括去除噪声、平滑、降采样、插值等操作。
2.特征提取：将处理后的时间序列转化为特征向量表示，常用的特征包括统计特征（如均值、方差、峰度等）、频域特征（如傅里叶变换系数）和时域特征（如自相关系数、差分系数等）。
3.相似度计算：利用DTW算法计算训练样本集中的时间序列与待识别序列之间的相似度。
对于每个训练样本，计算其与待识别序列的DTW距离，并根据距离大小进行分类或匹配。
实验十六 DTM模型讲解
7.5 GRD模型
③、单击标注为“3”处的“线参数”按钮，系统将弹出修改线参数对 话框，以供我们修改结果文件的线型， 如图；
7.5 GRD模型
④、将标注为“4”处的“等 值线光滑处理”打“√” ，并将光滑度选择为“高 程度” ； ⑤ 、将标注“5”处的“制 图幅面”改为“原始数据 范围”； ⑥、双击标注“6”处的颜色 ，系统弹出颜色表，如右 图，以供我们修改相应等 高线的颜色，不过一般情 况下默认就可以了
实验十六
DTM模型
数字地形模型(DTM)
Digital Terrain Model，是数字形式表示的地 表面，即区域地形的数字表示，它是由一系列地 面点的X，Y位置及其相联系的高程Z所组成。这 种数字形式的地形模型是为适应计算机处理而产 生的，又为各种地形特征及专题属性的定量分析 和不同类型专题图的自动绘制提供了基本数据。 在专题地图上，第三维Z不一定代表高程，而可代 表专题地图的量测值，如地震烈度、气压值等。
7.5 GRD模型
下面依次来说明上图中7 个标注的作用： ①、将标注为“1”处的“等 值线套区”打“√”； ② 、单击标注为“2”处的“ 等值层值”按钮，系统会 弹出一对话框 ，如右图 ；
这里我们可以修改高程值之间的间隔，比如将右图中的 “步长增”改为20，然后单击“更新当前分段”按钮即可 修改成功，否则修改无效，然后单击“确认”按钮；
7.6 TIN模型
模型应用；
四、思考题
1．如何借助等高线数据生成TIN模型？借助 TIN模型可以绘制哪些图件？ 2．如何进行可视分析？ 3．平面数据展布标注制图与高程点标注制图有 何区别？各有何用途？
三角剖分数据——Tin数据；
DTM培训资料-基础知识
DTM采集培训——基础知识1．数字地面模型DTM的概念数字地面模型（Digital Terrain Model）,简称（DTM），是描述地表形态的一系列点坐标值（X，Y，Z）的集合，即地形特征的空间分布。
数字地面模型这一概念，是由美国麻省理工学院教授Charles L. Miller于五十年代后期提出的。
从数学的角度，高程模型是高程Z关于平面坐标X，Y两个自变量的连续函数，数字高程模型只是它的一个有限的离散表示。
高程模型最常见的表达是相对于海平面的海拔高度，或某个参考平面的相对高度，所以高程模型又叫地形模型。
实际上地形模型不仅包含高程属性，还包含其它的地表形态属性，如坡度、坡向等。
数字地形模型是地形表面形态属性信息的数字表达，是带有空间位置特征和地形属性特征的数字描述。
数字地形模型中地形属性为高程时称为数字高程模型（Digital Elevation Model，简称DEM）。
高程是地理空间中的第三维坐标。
由于传统的地理信息系统的数据结构都是二维的，数字高程模型的建立是一个必要的补充。
DEM通常用地表规则网格单元构成的高程矩阵表示，广义的DEM还包括等高线、三角网等所有表达地面高程的数字表示。
在地理信息系统中，DEM是建立DTM的基础数据，其它的地形要素可由DEM直接或间接导出，称为“派生数据”，如坡度、坡向。
在地理信息系统中，DTM最主要的四种表示模型是：规则格网模型（Grid），等高线模型、不规则三角网模型（TIN）和离散点DTM。
2．数字地面模型的种类1).等高线模型等高线模型表示高程，高程值的集合是已知的，每一条等高线对应一个已知的高程值，这样一系列等高线集合和它们的高程值一起就构成了一种地面高程模型。
如图9-3所示。
2).规则格网模型（Grid）-DEMDEM（Digital Elevation Model）是DTM 的特例或子集，定义为二维区域上的高程。
DEM 中点的平面位置，通常是按规则排列的，如矩形格网，其精确位置（坐标）可根据所在的行列序号、格网间距及起始点的已知绝对坐标，快速计算出来。
python dtm方法
python dtm方法（原创实用版2篇）目录（篇1）1.Python 和 DTM 方法简介2.DTM 方法的优点3.Python 中的 DTM 实现4.Python DTM 方法的应用实例5.总结正文（篇1）1.Python 和 DTM 方法简介Python 是一种广泛使用的高级编程语言，以其简洁、易读和强大的功能受到许多开发者的喜爱。
在自然语言处理领域，Python 也有着丰富的库和工具，如 NLTK、spaCy 等，使得 Python 成为处理文本数据的理想选择。
DTM（Dynamic Time Warping）方法是一种处理序列数据的动态规划技术，主要用于解决序列之间的匹配问题。
在自然语言处理中，DTM 方法常用于词性标注、句法分析等任务。
2.DTM 方法的优点DTM 方法具有以下优点：- 可以处理不同长度的序列，无需提前对齐；- 能够有效地处理序列间的不确定性和重复；- 可以通过调整参数来平衡匹配精度和计算复杂度。
3.Python 中的 DTM 实现Python 中有许多库提供了 DTM 方法的实现，如 dtmlearn、pyDTW 等。
下面以 dtmlearn 库为例，展示如何在 Python 中使用 DTM 方法：首先，需要安装 dtmlearn 库：```pip install dtmlearn```然后，可以编写如下代码进行 DTM 匹配：```pythonimport numpy as npfrom dtmlearn import DTM# 创建两个序列seq1 = np.array([0, 1, 3, 0, 2, 1, 0, 1, 1])seq2 = np.array([0, 1, 2, 1, 0, 2, 1])# 初始化 DTM 模型dtm = DTM(params=None)# 进行 DTM 匹配result = dtm.fit_transform(seq1, seq2)# 输出匹配结果print(result)```4.Python DTM 方法的应用实例DTM 方法在自然语言处理中有许多应用，如词性标注、句法分析等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
7 建立DTM的原理和方法7.1 概述DTM(digital terrain model)即数字地面模型，简称数模，是以数字的形式按一定的结构组织在一起，表示实际地形特征的空间分布，也就是地形形状大小和起伏的数字描述。
只有在DTM的基础上才能绘制等高线。
数字表示方式包括离散点的三维坐标(测量数据)、由离散点组成的规则或不规则的格网结构、依据数模及一定的内插和拟合算法自动生成的等高线(图)、断面(图)、坡度(图)等等。
DTM的核心是地形表面特征点的三维坐标数据，和一套对地表提供连续描述的算法。
最x,与高程z之间的映射关系，即：基本的DTM至少包含了相关区域内平面坐标()yx,∈DTM所在区域z=yfx,(y)在航片数据采集中，数据点往往呈规则格网分布，其平面位宽可由起始点坐标和点间格网的边长确定，只提供点的行列号即可。
这时所指的地形特征仅指地面点的高程，所以不少文献又将这种数字地形描述称为数字高程(digital elevation model, DEM)。
通过DTM可以得到有关区域中任一点的地形情况，计算出任一点的高程并获得等高线。
DTM还可以用于计算区域面积，划分土地，计算土方工程量，获取地形断面和坡度信息等。
建立DTM需要在有关区域内采集相当数量的地形数据，采样点的位置和密度都可能影响DTM的精度，插值算法和数据结构的选择同样会影响DTM的精度和使用效率。
目前，DTM已经成为地理信息系统(geographical information system, GIS)的重要组成部分。
GIS的许多功能是以DTM为基础的，DTM的原理还适用于水文、海洋及气象的数据处理。
DTM系统主要是由计算机程序实现的，应用于各种类型计算机系统的DTM已经在许多国家开发成功，尽管使用的方法不同，用户界面各异，但主要功能都是从离散数据构造出相互联接的网格结构，以此作为地形的数字模型基础。
等高线、断面和三维地形图都是根据这个模型生成的。
综上所述，建立一个数字地面模型系统必须具有以下几个基本组成部分: ·数据的获取; ·数据的转换;·数据的预处理; ·构网建模;·存储和管理; ·数模的应用。
由于实际地形表面有连续变化，也有断裂，而构造DTM时采集的数据最是有限的，因此如何选择构造DTM的算法及应用时的插值算法，以利用有限的数据准确地表达实际的地形变化，是DTM研究的重要课题。
评价DTM系统性能的主要参数有精度、计算速度、处理的数据量、用户界面和数据采集工作量等。
7.2 数据的获取、转换及预处理7.2.1 数据的获取DTM的数据获取就是提取并测定地形的特征点，即将一个连续的地形表面转化成一个以一定数量的离散点表示的离散的地表。
离散点。
数据的获取是建立数模最费工时而又最重要的一步，它影响着建模的正确性、精度、效率、成本。
完善的DTM系统应具有各种类型数据输入的接口，它可以接受野外测量仪器直接传输的数据，还可以接受由人工键入的测量数据;也可以接受航测照片经立体坐标量测仪或解析测图仪等量测的三维地形数据;遥感图像经图像处理系统处理后也可得到地形数据。
因此DTM 数据获取部分应包括计算机与不同的设备，如全站仪、电子手薄、数字化仪……进行数据传送的接口。
7.2.2 数据的转换不同来源的原始数据类型可以是各种备样的，例如三维坐标或距离、方位角等。
数据中除了离散点的坐标信息，还包含离散点之间的地形关系及地物特征等信息。
因此，DTM系统还要有数据格式转换的功能。
不同类型的原始数据经过处理之后，转换成DTM系统的标准格式(一般为三维坐标)数据，但不能影响原始数据精度。
转换模块需对原始数据进行分类，把坐标数据、连接信息、地物特征等按标准格式分别存放。
7.2.3 数据的预处理(1)通过数据采集、数据转换得到一组(或一个区域)的原始DTM数据，其中可能包含不符合建立数模要求的数据，甚至有错误的数据。
为了顺利完成构网建模，首先要对原始数据进行必要的预处理，如数据过滤，剔除几乎重合的数据，给定高程限值，剔除粗差数据，进行必要的数据加密等等，同时程序还应提供编辑数据的工具。
(2)除地面坐标数据之外，地形和地物的特征信息，如地性线、山脊线、山谷线、断裂线等，是DTM不可缺少的要素。
为了便于计算机程序识别和提高工作效率，这些信息是由地形地物的特征代码及连接点关系代码表示的。
从原始数据中提取地形地物特征信息的依据是数据记录中的特定编码，不同类型的原始数据可采用不同的编码方式，但在采集数据过程中要遵循测量软件规定的相应规则。
DTM系统的特征提取部分功能包括:·识别原始数据记录中的特征编码;·将地性线特征编码和相关的空间定位数据转换成DTM标准数据格式;·提取地性线、断裂线以及处理特殊地形(如陡坎等);·数据编辑。
7.3 DTM的数据结构DTM的数据结构对DTM的应用有着重要的影响，不同的数据结构采用的算法不同，占用的存储空间大小不同，进行计算时的效率也不相同。
DTM是由离散数据点构造出的，其最简单的结构是离散点结构。
这种结构的DTM 中只包含了分块、分类存储的离散点坐标和某些断裂线地物的连接信息。
由于离散点结构不利于DTM 的、进一步应用，实际中很少采用。
DTM 常用的数据结构是格网结构，即将离散点连接成为多边形格网。
它可分为规则和不规则格网。
7.3.1 规则格网结构规则格网结构是将离散的原始数据点，依据插值算法归算出规则形状状格网的结点坐标，每个结点的坐标有规律地存放在DTM 之中，最常用的结构是矩形格网(图7-1(a))。
航测内业一般是按规则格网结构采点。
矩形格网的存储结构如图7-1(b)所示。
由于矩形格网中结点分布具有规律，各结点的坐标可以用它在格网中的位置代替，因此矩形格网可以用一个二维数组(矩阵)进行存储，并且仅存储各结点的高程。
规则格网结构便于数据的检索，可以用统一的算法完成检索和插值计算。
但它的建立过程中对原始数据进行归算时，所用的算法对数据精度有所影响。
规则格网应用于不规则边界区域时，边界处需要特殊处理。
⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡---n m n m m m n n n n h h h h h h h h h h h h ,1,1,0,,11,11,10,1,01,01,00,0 (b)存储结构图7-1 规则格网结构7.3.2 不规则格网结构不规则格网是以原始数据的坐标位置作为格网的结点，组成不规则形状格网。
实际应用中主要采用的是不规则三角形格网(triangle irregulation network ，TIN)，如图7-2(a) 所示。
建立不规则格网的算法比较复杂，但具有如下特点:利于用原始数据作为格网结点; 不改变原始数据及其精度;保存了原有的关键地形特征;利用TIN追踪等高线的算法相对简单; TIN能够较好地适应不规则形状区域。
TIN结点坐标的数据结构如图7-2(b)所示，数据结构中仅使用了点号，根据点号在坐标数据文件中查找坐标。
这两部分的数据结构核心分别是坐标数组和三角形数组，结点用其在坐标数组中的存储位置(或称下标)作为点号;三角形用其在三角形数组中的存储位置作为三角形号。
三角形数组中也不允许重复存储，因此规定每个三角形的三个顶点按顺时针(或逆时针)排列，并且以点号最小的顶点作为第一顶点;全部三角形按各自的第一顶点的点号大小顺序排列(图7-2(c))，即点号1<点号2，点号1<点号3，……当然，也可以采用其它规则。
TIN的数据结构如图7-9(C))所示。
无论是规则格网或是不规则格网(主要是矩形格网和TIN)，因各有特点，所以都得到了广泛的使用。
DTM的数据结构还包括等高线结构和带状断面结构，由于等高线和断面都可以从格网结构中获得，后两种结构也可以看成是格网结构的应用。
7.4 TIN 的建立7.4.1 TIN 的概念TIN(不规则三角形格网)，是直接利用测区内野外实测的所有地形特征点(离散数据点)，构造出邻接三角形组成的格网型结构。
TIN 的每个基本单元的核心是组成不规则三角形的三个顶点的三维坐标，这些坐标数据完全来自原始测量成果。
由于观测采样时选取观测点是由地形决定的，一般是地形坡度的变换点或平面位置的转折点，从而使得离散点在相关区域中非规则和非均匀分布。
由这些点构成的三角形格网所包含的三角形，必然是不规则形状的三角形，网格中三角形的数目只有在格网形成之后才能确定。
但根据计算几何学，设区域中共有n 个离散点，它们可构成的互不交叉的三角形的数目最多不超过n 2-5。
TIN 是不规则格网中最简单的形态，而且在等高线追踪、三维显示及断面处理等应用中也是最常用和最简单的结构。
在大比例尺数字测图的建模中，都是采用三角形格网法。
它避免了内插方格网而牺牲原始测点的精度，从而保证了整个数模的精度。
7.4.2 TIN 格网的算法建立TIN 的基本过程是将最邻近的三个离散点连接成初始三角形，再以这个三角形的每一条边为基础连接邻近离散点，组成新的三角形。
新三角形的边又成为连接其它离散点的基础，如此继续下去，直到所有的三角形的边都无法再扩展成新的三角形，而且所有离散点都包含在三角网中。
在生成TIN 的过程中，还要考虑地性线、地物等对格网的影响。
为了保证DTM 格网最大限度地符合实际地形，应用中通常把地性线等地形特征线作为TIN 中三角形的边，扩展TIN 时，先从地形特征线开始。
构造TIN 时，由于取相邻离散点的判断准则不同，就产生了生成TIN 的不同算法。
常用的有:(1)泰森(Thiessen)多边形算法泰森多边形的概念是将分布在平面区域上的一组离散点用直线分隔，使每个离散点都包含在的规则是:每个多边形内只包含一个离散点，而且包含离散点i p 的多边形中的任意一点Q 到i P 的距离都小于Q 点到任一其它离散点用()i j P j ≠的距离。
把每两个相邻的泰森多边形中的离散点用直线连结后生成的三角形称为泰森多边形的直线对偶，又称为Delaunay 三角形。
其特点是:每个Delaunay 三角形的外接圆内不包含其它离散点，而且三角形的最小内角达到最大值。
可以通过构造泰森多边形产生Delaunay 三角形格网，也可以根据Delaunay 三角形的特点直接构成TIN 。
文献[19]提出了通过泰森多边形建立三角形格网的一种方法，分三步构造成一个泰森多边形。
① 建立离散点相邻数组取一离散点A ，并以A 为圆心确定一个圆方向，使所有可能与月相邻的离散点都包括在圆方向内，将圆方向内全部离散点按图9-4所示顺序存入数组()N x ,()N y 中。
② 删除与A 不相邻离散点根据泰森多边形的性质，其顶点是Delaunay 三角形外接圆的圆心，据此可删去()N x 和()N y 中的无关离散点，删除后留在数组中的即是组成三角网的顶点。